매니페스트 파일의 객체 위치 파악 - Rekognition
객체 경계 상자 JSON 라인

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

매니페스트 파일의 객체 위치 파악

SageMakerGround Truth Bounding Box Job Output 형식의 JSON 라인을 매니페스트 파일에 추가하여 객체 위치 정보가 표시된 이미지를 가져올 수 있습니다.

위치 파악 정보는 이미지 상의 객체 위치를 나타냅니다. 위치는 객체를 둘러싸는 경계 상자로 표시됩니다. 경계 상자 구조에는 경계 상자의 왼쪽 위 좌표와 경계 상자의 너비 및 높이가 포함됩니다. 경계 상자 형식의 JSON 라인에는 이미지에 있는 각 객체의 클래스와 이미지에 있는 하나 이상의 객체 위치에 대한 경계 상자가 포함됩니다.

매니페스트 파일은 하나 이상의 JSON 라인으로 구성되며, 각 라인에는 하나의 이미지에 대한 정보가 들어 있습니다.

객체 위치 파악을 위한 매니페스트 파일을 만들려면

  1. 빈 텍스트 파일을 생성합니다.

  2. 가져올 각 이미지에 JSON 라인을 추가합니다. 각 JSON 라인은 다음과 비슷한 모습이어야 합니다.

    {"source-ref": "s3://bucket/images/IMG_1186.png", "bounding-box": {"image_size": [{"width": 640, "height": 480, "depth": 3}], "annotations": [{ "class_id": 1,	"top": 251,	"left": 399, "width": 155, "height": 101}, {"class_id": 0, "top": 65, "left": 86, "width": 220,	"height": 334}]}, "bounding-box-metadata": {"objects": [{ "confidence": 1}, {"confidence": 1}],	"class-map": {"0": "Echo",	"1": "Echo Dot"}, "type": "groundtruth/object-detection", "human-annotated": "yes",	"creation-date": "2013-11-18T02:53:27", "job-name": "my job"}}

  3. 파일을 저장합니다. .manifest 확장을 사용할 수 있지만 필수는 아닙니다.

  4. 방금 생성한 파일을 사용하여 데이터 세트를 생성합니다. 자세한 정보는 SageMaker Ground Truth 형식 매니페스트 파일을 사용하여 데이터세트를 만들려면 (콘솔)을 참조하세요.

객체 경계 상자 JSON 라인

이 항목은 하나의 이미지에 JSON 라인을 생성하는 방법을 보여줍니다. 다음 이미지는 Amazon Echo 및 Amazon Echo Dot 디바이스 주변의 경계 상자를 보여줍니다.

다음은 이전 이미지의 경계 상자 JSON 라인입니다.

{
	"source-ref": "s3://custom-labels-bucket/images/IMG_1186.png",
	"bounding-box": {
		"image_size": [{
			"width": 640,
			"height": 480,
			"depth": 3
		}],
		"annotations": [{
			"class_id": 1,
			"top": 251,
			"left": 399,
			"width": 155,
			"height": 101
		}, {
			"class_id": 0,
			"top": 65,
			"left": 86,
			"width": 220,
			"height": 334
		}]
	},
	"bounding-box-metadata": {
		"objects": [{
			"confidence": 1
		}, {
			"confidence": 1
		}],
		"class-map": {
			"0": "Echo",
			"1": "Echo Dot"
		},
		"type": "groundtruth/object-detection",
		"human-annotated": "yes",
		"creation-date": "2013-11-18T02:53:27",
		"job-name": "my job"
	}
}

다음 정보를 참고하세요.

source-ref

(필수) 이미지의 Amazon S3 위치입니다. 형식은 "s3://BUCKET/OBJECT_PATH"입니다. 가져온 데이터 세트의 이미지는 동일한 Amazon S3 버킷에 저장되어야 합니다.

bounding-box

(필수) 레이블 속성 필드 이름을 선택합니다. 이미지에서 감지된 각 객체의 이미지 크기 및 경계 상자를 포함합니다. -metadata가 추가된 필드 이름으로 식별되는 상응하는 메타데이터가 있어야 합니다. 예: "bounding-box-metadata"

image_size

(필수) 이미지 크기(픽셀 단위)를 포함하는 단일 요소 배열

  • height: (필수) 이미지의 높이(픽셀 단위)

  • width: (필수) 이미지의 깊이(픽셀 단위)

  • depth: (필수) 이미지의 채널 수 RGB 이미지의 경우 값은 3입니다. Amazon Rekognition Custom Labels에서는 현재 사용하지 않지만 값이 필요합니다.

주석

(필수) 이미지에서 감지된 각 객체에 대한 경계 상자 정보의 배열

  • class_id: (필수) class-map의 레이블에 매핑됩니다. 위 예제에서 class_id가 1인 객체는 이미지의 Echo Dot입니다.

  • top: (필수) 이미지 상단에서 경계 상자 상단까지의 거리(픽셀 단위)

  • left: (필수) 이미지 왼쪽에서 경계 상자 왼쪽까지의 거리(픽셀 단위)

  • width: (필수) 경계 상자의 너비(픽셀 단위)

  • height: (필수) 경계 상자의 높이(픽셀 단위)

bounding-box-metadata

(필수) 레이블 속성에 대한 메타데이터 필드 이름은 -metadata가 추가된 레이블 속성과 동일해야 합니다. 이미지에서 감지된 각 객체에 대한 경계 상자 정보의 배열

Objects

(필수) 이미지에 있는 객체의 배열입니다. 인덱스를 기준으로 주석 배열에 매핑합니다. Amazon Rekognition Custom Labels는 신뢰도 속성을 사용하지 않습니다.

class-map

(필수) 이미지에서 감지된 객체에 적용되는 클래스 맵

type

(필수) 분류 작업 유형입니다. "groundtruth/object-detection"은 작업을 객체 감지로 식별합니다.

creation-date

(필수) 레이블이 생성된 협정 세계시(UTC) 날짜와 시간

human-annotated

(필수) 사람이 주석을 완성했으면 "yes"를 지정하세요. 그렇지 않을 경우 "no"입니다.

job-name

(선택 사항) 이미지를 처리하는 작업의 이름입니다.